导读:本文包含了贝叶斯统计论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:概率,区间,模型,文本,参数,超新星,对偶。
贝叶斯统计论文文献综述
董加强,王睿,张文尧[1]（2019）在《贝叶斯统计思想在临床诊断思维训练中的应用价值》一文中研究指出临床诊断思维是在收集和分析诊断线索基础上形成诊断决策的过程。在传统的诊断学教学中往往重视诊断证据的收集,而忽视了诊断证据分析以及诊断决策形成的培训。从认知的角度讲诊断分析和决策涉及复杂的神经心理活动和经验的积累,往往具有显着的个体差异。因此,在诊断教学中加入证据分析和诊断决策形成的理论教学对于提高诊断思维培训效率具有重要意义。本文浅析贝叶斯统计思想在诊断分析和决策中的应用价值。(本文来源于《中国医药导报》期刊2019年28期）
张理想,李亚琼,马饶晴[2]（2019）在《中国经济随机前沿模型效率的贝叶斯统计推断》一文中研究指出基于扩展的随机生产前沿模型,研究了区域生产效率的差异和其影响因素的作用效果,应用贝叶斯统计方法对中国各省份2010-2017的年度数据(不包含港澳台地区,下同)进行了实证研究.研究发现:生产效率总体呈逐渐下降的趋势,地区间生产效率有一定的差异,高等教育规模对生产效率具有显着的直接影响.人力资本能有效促进东部和中部地区的经济增长,西部地区主要依靠资本促进经济增长.环境污染对中部地区的经济增长具有一定的负向作用.(本文来源于《经济数学》期刊2019年02期）
刘晋,汪秀琴,李天萍,徐文华,陈峰[3]（2019）在《贝叶斯统计分析的新工具— Stan》一文中研究指出目的鉴于国内研究者熟悉的贝叶斯统计软件WinBUGS已停止更新,OpenBUGS已见介绍,本文介绍国外新近出现的贝叶斯统计软件Stan的基本原理与实际使用。方法由于Stan安装具有其自身特点且较为复杂,本文首先介绍Windows平台下Stan安装与使用方法,接着介绍Stan语言及运行步骤,最后以线性-正态层次模型为例介绍Stan的应用。结果 Stan作为一种新型贝叶斯统计软件,使用了全新的汉密尔顿蒙托卡罗(Hamiltonian Monte Carlo,HMC)抽样方法,可以处理GIBBS抽样难以收敛的复杂多元层次模型。Stan使用的概率模型定义语言,相比较BUGS,逻辑清晰,程序更易理解。结论 Stan功能强大,应用方便,是贝叶斯分析的有力工具。(本文来源于《中国卫生统计》期刊2019年03期）
崔健[4]（2019）在《基于贝叶斯统计方法的多重液相色谱-质谱试验数据匹配研究》一文中研究指出液相色谱-质谱试验在多肽分子质量测定、肽序列测定、蛋白质组成等方面应用广泛。蛋白质样本经过与酶的反应,断开成肽链。通过液相色谱-质谱仪,形成叁维肽信号谱图。为减小试验误差,部分试验采取同种样本多次重复试验。但是,由于干扰因素的存在,导致多重试验的谱图在时间轴出现偏差的现象。选取MS/MS试验表中检测到的肽信号作为训练序列,在Warping函数基础上,通过贝叶斯统计方法对多重谱数据时间进行校准。结果表明,用Warping的测试结果准确性均值为86. 81%,联合使用贝叶斯统计方法建模准确率均值达到93. 08%。同时,对两个谱图进行全集校准,覆盖率超过89%,为下一步进行蛋白质量化提供数据支撑。(本文来源于《中国石油大学胜利学院学报》期刊2019年02期）
张海彬[5]（2019）在《贝叶斯统计在文本挖掘的若干研究》一文中研究指出随着信息时代的发展,越来越多非结构化的文本信息不断出现,我们需要新的工具来整理、搜索和理解这些文本信息,以便获取有价值的信息。文本挖掘(text mining)是解决这一系列问题的有效工具。在文本挖掘中,最常使用的是文本分类(Text classification)。文本分类是文本挖掘中有监督的学习过程,目的是基于文档内容将文档分配到一个或者多个预定义类别。由于文本信息构造复杂性、变化多样性和高维性,这给文本分类任务有效地提取文本特征带来了极大的挑战。概率主题模型(probabilistic topic models)是文本挖掘中提取文本特征的有效工具。主要是通过贝叶斯统计方法发现文本中的隐藏语义结构,进而获取有效的特征。因此,文本分类和概率主题模型是文本挖掘中非常有意义的研究课题。本文不仅关注文本分类,并探索了基于贝叶斯非参数的概率主题模型在文本分类中特征表示及其特征选择,主要工作如下:(1)波利亚罐子(Polya urn)模型是广泛应用于统计和文本挖掘的基本模型,大多数训练模型的算法都非常缓慢和复杂,因此通常很难适应大数据集。本文对波利亚罐子模型的极大似然估计(MLE)提出了一种新的极大极小MM算法,其中替代函数是通过简单的凸函数构造的。同时分析了 MM算法的收敛性,推导了非同分布观测的相应MLE的渐近正态性。同时比较了这种新的MM算法的与牛顿法和其他MM算法的性能。我们把波利亚罐子模型应用于文本分类的模型,并与经典的文本分类方法做了对比。(2)从词与词可能存在天然的内在关联角度,提出了一个基于分层狄利克雷过程(HDP)的图主题模型(GTM)。分层狄利克雷过程使得选择的主题数量变得灵活,打破了先前主题数量需要被给定的限制,而且图挖掘主题模型消除了“词袋”的假设并且考虑了文本的图结构。基于分层狄利克雷过程的图主题模型结合利用了两者的特性。我们用变分推断(variatioal inference)方法来进行后验推断,并分析了这种算法的收敛性。基于分层狄利克雷过程的图挖掘主题模型可以发现文本数据中隐藏的更多信息,也极大的提高了文本分类的效率和准确率。(3)从自然语言的实证研究中可以看出,单词的频率遵循幂律分布,经典统计模型无法捕获此属性。Pitman-Yor过程(PYP)是一个贝叶斯非参数模型,它可以生成幂律生成分布,并可用于模拟具有潜在无限数量的数据。它已广泛应用于概率主题建模。然而,使用PYP的现有概率主题模型很少考虑主题之间的关系。隐马尔可夫模型(HMM)是用于建模主题之间关系的最流行的成功模型之一。我们提出的方法构建了一个将HMM与Pitman-Yor Priors相结合的概率主题模型,并通过使用变分贝叶斯(VB)方法进行后验推断,并把这个模型与相关的模型在文本分类上对做了对比。(4)从文本的构造角度,提出了一个基于分层Pitman-Yor过程的句子主题模型。这个主题模型考虑了经典主题模型经常忽略的句子信息,能够弥补主题模型“词袋”的假设的不足。因为分层Pitman-yor没有截棍(stick-breaking)表示形式,这里变分贝叶斯(VB)方法不再适用推断后验分布,为此我们探索了 Gibbs抽样方法来推断后验分布。我们将基于分层Pitman-Yor过程的句子主题模型应用到主题建模以及文本分类上,并与经典的主题模型做了对比。本文的结论和方法丰富了贝叶斯非参数统计在主题模型中的研究,同时有助于提高文本分类的效果。(本文来源于《华东师范大学》期刊2019-05-01）
沈琪[6]（2019）在《贝叶斯统计在直销行业监管中的应用》一文中研究指出本文详细分析了先验概率和后验概率的数量关系,并且试图将贝叶斯统计分析方法应用于对政府与企业相互关系的研究中。通过逆概公式,以及条件概率,可以将先验概率转化为后验概率。(本文来源于《科教导刊(下旬)》期刊2019年04期）
索文莉,刘真真[7]（2019）在《贝叶斯统计的教学研究》一文中研究指出目前贝叶斯思想还未真正融入大学课堂,实际教学中弱化了贝叶斯统计的思想和应用。贝叶斯统计在处理极端问题时往往比极大似然更符合人们的理念,更显着反映数据的指向性。近年来贝叶斯统计为牵引的随机模拟技术的蓬勃发展,使得大量的验证性试验可以通过计算机模拟完成,更加拓展了应用范围。文中就贝叶斯统计阐述了教学过程中的一点思考和研究。(本文来源于《科技视界》期刊2019年11期）
党红[8]（2019）在《贝叶斯统计中单参数后验分布的精确计算方法》一文中研究指出基于贝叶斯方法的统计推断和决策都是以后验分布为基础的,掌握好后验分布的计算方法,有助于决策者对实际问题作出更贴合实际情况的贝叶斯决策。文章以单参数统计模型为主,介绍了两种后验分布的精确计算方法:直接计算后验分布和后验分布的核计算后验分布,并通过实例加以详细说明。(本文来源于《长治学院学报》期刊2019年02期）
马骢[9]（2019）在《信息论背景下Ia型超新星宇宙学的贝叶斯统计分析和距离对偶关系检验》一文中研究指出本文中,我们系统地表述一种自洽的宇宙学模型分析及其参数估计方法,并将其用于Ia型超新星(SNIa)光度距离作为宇宙学标准烛光的研究.我们利用贝叶斯图论方法及其与随机变量间因果性、信息流和概率独立性的对应关系构建我们的分析,并通过实例展示如何在宇宙学数据分析中恰当地运用联合光变曲线分析(JLA) SNIa数据集合中依赖于参数的协方差矩阵.我们的方法从概念到产出的结果均不同于传统的分析方法.可以证明,通常形如χ~2最小化的传统分析等效于施加在SNIa标准化模型变量先验分布上的隐含失真.通过显性地指明这一失真的形式,我们指出它无论从天体物理还是统计(本文来源于《天文学报》期刊2019年02期）
程炜东,王洪亚,郭开彦[10]（2019）在《面向脏数据的贝叶斯统计建模研究》一文中研究指出为了处理贝叶斯建模中的脏数据,通常会有2种解决方法。一种是对整个数据集进行清洗,但这种方法的代价很高,且对中型或大型的数据集可行性较低。另一种是使用点估计,这种点估计的方法虽然能有效减少清洗的代价,但是对训练出来贝叶斯模型的可信程度没有保证。针对上述清洗方法中存在的问题,本文提出了一种基于区间的贝叶斯统计建模方法,简称区间贝叶斯建模。区间贝叶斯建模结合中心极限定理,使用区间估计的方法,保证了真实的后验概率会以一定的概率落在后验概率区间内。实验结果表明,区间贝叶斯建模通过清洗少量的样本,便能够训练出良好的贝叶斯模型,有效改善了清洗成本,并在精度和召回率上比不清洗任何数据的情况有显着的提升。(本文来源于《智能计算机与应用》期刊2019年02期）
贝叶斯统计论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于扩展的随机生产前沿模型,研究了区域生产效率的差异和其影响因素的作用效果,应用贝叶斯统计方法对中国各省份2010-2017的年度数据(不包含港澳台地区,下同)进行了实证研究.研究发现:生产效率总体呈逐渐下降的趋势,地区间生产效率有一定的差异,高等教育规模对生产效率具有显着的直接影响.人力资本能有效促进东部和中部地区的经济增长,西部地区主要依靠资本促进经济增长.环境污染对中部地区的经济增长具有一定的负向作用.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
贝叶斯统计论文参考文献
[1].董加强,王睿,张文尧.贝叶斯统计思想在临床诊断思维训练中的应用价值[J].中国医药导报.2019
[2].张理想,李亚琼,马饶晴.中国经济随机前沿模型效率的贝叶斯统计推断[J].经济数学.2019
[3].刘晋,汪秀琴,李天萍,徐文华,陈峰.贝叶斯统计分析的新工具—Stan[J].中国卫生统计.2019
[4].崔健.基于贝叶斯统计方法的多重液相色谱-质谱试验数据匹配研究[J].中国石油大学胜利学院学报.2019
[5].张海彬.贝叶斯统计在文本挖掘的若干研究[D].华东师范大学.2019
[6].沈琪.贝叶斯统计在直销行业监管中的应用[J].科教导刊(下旬).2019
[7].索文莉,刘真真.贝叶斯统计的教学研究[J].科技视界.2019
[8].党红.贝叶斯统计中单参数后验分布的精确计算方法[J].长治学院学报.2019
[9].马骢.信息论背景下Ia型超新星宇宙学的贝叶斯统计分析和距离对偶关系检验[J].天文学报.2019
[10].程炜东,王洪亚,郭开彦.面向脏数据的贝叶斯统计建模研究[J].智能计算机与应用.2019
论文知识图
